Une nouvelle étude de la Granger School of Engineering de l'Université de l'Illinois à Urbana-Champaign montre que le premier cortex sensoriel du cerveau n'est pas seulement responsable de la « réception passive » des informations, mais joue un rôle actif inattendu dans le processus de prise de décision. Cette découverte remet en question le modèle classique de longue date du traitement hiérarchique et étape par étape du cerveau. L’équipe de recherche estime que cette méthode d’organisation neuronale interactive et bidirectionnelle plus dynamique devrait à l’avenir fournir une nouvelle inspiration pour une architecture d’intelligence artificielle à faible consommation d’énergie et à haute efficacité.

Le point de vue traditionnel est que le processus de prise de décision du cerveau suit généralement une voie hiérarchique à sens unique « ascendante » : les informations entrent à partir des premières zones sensorielles telles que la vision, l'audition ou la somatosensorielle, et sont progressivement transmises au cortex d'association de niveau supérieur et au cortex frontal, et finalement l'intégration et la prise de décision sont achevées dans ces « centres d'ordre supérieur ». C'est sur cette base que la plupart des systèmes d'intelligence artificielle tels que les réseaux neuronaux convolutifs adoptent une structure hiérarchique similaire, considérant l'intelligence comme le résultat d'informations traitées couche par couche dans une direction fixe et « émettant des décisions » au niveau supérieur. Cependant, à mesure que la compréhension de l’intelligence naturelle s’approfondit, de plus en plus de chercheurs commencent à remettre en question ce modèle trop simpliste de « chaîne de montage ».

Cette recherche a été dirigée par Yurii Vlasov, professeur au Département de génie électrique et informatique de l'Université de l'Illinois, et l'article a été publié dans les Actes de l'Académie nationale des sciences (PNAS). L'équipe de recherche a choisi de réexaminer le cerveau au niveau systémique, en le considérant comme un système « d'intelligence naturelle » façonné par l'évolution, mettant l'accent sur les boucles de rétroaction et le flux d'informations bidirectionnel entre différentes zones du cerveau, plutôt que sur une chaîne de traitement en série unidirectionnelle. Dans ce cadre, la prise de décision est considérée comme le résultat d'une interaction continue et d'une co-émergence entre plusieurs régions du cerveau, plutôt que comme une instruction « émise de manière unidirectionnelle » par des régions d'ordre supérieur.

Une caractéristique distinctive de l'intelligence naturelle est une efficacité élevée et des économies d'énergie : lors de l'exécution de tâches complexes de perception, de cognition et de prise de décision, la consommation d'énergie du cerveau humain est bien inférieure à celle de la plupart des systèmes d'intelligence artificielle actuels. Afin de comprendre la source de cette efficacité, l'équipe de recherche ne se limite pas à un certain module fonctionnel, mais part de l'architecture globale et examine la collaboration entre différents domaines. Vlasov a déclaré que comprendre comment le cerveau organise les calculs décisionnels au niveau architectural devrait aider la communauté des ingénieurs à concevoir des systèmes d'intelligence artificielle de nouvelle génération qui sont plus efficaces, plus économes en énergie et « plus intelligents ».

En termes de conception expérimentale spécifique, les chercheurs se sont concentrés sur la première étape de traitement du cerveau, c'est-à-dire la zone responsable de la sensation et de la perception. Ils ont mené des expériences sur des souris, permettant aux animaux de se déplacer dans un couloir de réalité virtuelle, de détecter l'environnement à travers leurs tentacules et de prendre des décisions perceptuelles concernant leur rotation à gauche ou à droite. Au cours de ce processus, les chercheurs ont enregistré l’activité des neurones dans une grande partie du cerveau de la souris, en accordant une attention particulière au modèle de réponse du cortex somatosensoriel primaire (S1).

Les résultats étaient inattendus : les signaux liés à la prise de décision étaient clairement capturés dans le cortex somatosensoriel primaire, qui était traditionnellement considéré comme « traitant uniquement les sensations de base ». Cela montre que le processus de prise de décision n'est pas initié uniquement à l'arrière du cortex d'ordre supérieur, mais que des représentations évidentes de la prise de décision sont déjà apparentes au stade du traitement sensoriel, à l'avant du cerveau. En d’autres termes, la zone sensorielle précoce ne se contente pas de conditionner et de télécharger des « données brutes », mais est impliquée dans l’encodage des choix d’action à un moment très précoce.

Une analyse plus approfondie a révélé que l'activité du cortex somatosensoriel primaire ne se produit pas de manière isolée, mais est considérablement modulée par le feedback des zones cérébrales d'ordre supérieur. Ce signal de rétroaction descendant, associé à une entrée sensorielle ascendante, façonne le modèle d’activité neuronale dans S1. On peut voir que le cerveau n'avance pas linéairement le long d'un seul chemin « de la perception à la prise de décision », mais échange continuellement des informations via des boucles de rétroaction entre plusieurs niveaux pour compléter l'interprétation des informations externes et le choix du comportement.

Vlasov a souligné que le « codage neuronal » du cerveau est encore comme un langage non déchiffré, mais comprendre ces boucles de rétroaction et ces interactions dynamiques au niveau du système peut déjà fournir une inspiration précieuse pour la conception de réseaux neuronaux artificiels. L’intelligence artificielle actuelle présente encore des lacunes évidentes au niveau décisionnel. Cependant, l’intelligence naturelle peut effectuer des calculs avec une consommation d’énergie bien inférieure à celle des systèmes matériels modernes pour des tâches identiques, voire plus complexes. L'expérience architecturale derrière cela est digne de la communauté des ingénieurs pour « apprendre de la nature ».

Bien que ces travaux ne suffisent pas à fournir directement un plan d’ingénierie pour construire une « meilleure IA », l’équipe de recherche estime qu’ils fournissent une perspective à partir de laquelle repenser l’intelligence artificielle. En étudiant systématiquement la façon dont le cerveau organise et traite l’information, les chercheurs devraient résumer un ensemble de principes transférables pour guider l’amélioration de l’intelligence artificielle en termes d’architecture, d’efficacité énergétique et de mécanismes de prise de décision. Les futurs systèmes d’IA devront peut-être s’éloigner du cadre strict de communication en couches et à sens unique et introduire à la place une rétroaction plus dynamique et des structures d’interaction parallèles similaires aux cerveaux biologiques.

Ensuite, l'équipe de Vlasov prévoit de continuer à suivre les changements dans l'activité cérébrale dans la dimension temporelle, en se concentrant sur l'étude de la dynamique temporelle rapide de l'activité neuronale. Ils développent de nouveaux outils pour mesurer et analyser les signaux neuronaux avec une plus grande précision, en essayant de découvrir comment les boucles de rétroaction sont impliquées dans la prise de décision à partir de données à résolution temporelle plus élevée. Selon lui, ce n’est qu’en observant comment ces boucles de rétroaction sont activées dans le temps et comment elles se forment et se reconstruisent entre différents niveaux de traitement que nous pourrons véritablement comprendre le fonctionnement de l’intelligence naturelle et la transformer en base de conception pour une nouvelle génération d’architecture d’intelligence artificielle.